动态规划的实践

一、动态规划要解决的问题

动态规划问题的一般形式就是求最值。动态规划其实是运筹学的一种最优化方法，只不过在计算机问题上应用比较多，比如说让你求最长递增子序列，背包问题呀等。只要我们发现某一过程包含多种状态（情况），后一种状态的生成依赖于前面的情况，就可以使用动态规划

 

二、一般步骤

1、 确定dp数组（dp table）以及下标的含义

2 、确定递推公式

3、给dp数组初始化

4、确定遍历顺序

代码框架如下：

# 初始化 base case
dp[0][0][...] = base
# 进行状态转移
for 状态1 in 状态1的所有取值：
    for 状态2 in 状态2的所有取值：
        for ...
            dp[状态1][状态2][...] = 求最值(选择1，选择2...)

三、实例一

300. 最长递增子序列

解析

class Solution {
public:
    int lengthOfLIS(vector<int>& nums) {
        int length = (int)nums.size();
        if (length == 0) {
            return 0;
        }
        // dp数组的含义：考虑前 i 个元素，以第 i 个数字结尾的最长上升子序列的长度
        vector<int> dp(length, 0); 
        for (int i = 0; i < length; ++i) {
            dp[i] = 1;
            for (int j = 0; j < i; ++j) {
                if (nums[j] < nums[i]) {
                    dp[i] = max(dp[i], dp[j] + 1); // 状态转移方程
                }
            }
        }
        return *max_element(dp.begin(), dp.end()); // 遍历完后，找最大值
    }
};

四、 实例二

1143. 最长公共子序列

class Solution {
public:
    int longestCommonSubsequence(string text1, string text2) {
        int length1 = text1.length();
        int length2 = text2.length();
        // dp[i][j] 表示 text1[0:i] 和 text2[0:j] 的最长公共子序列的长度。
        vector<vector<int>> dp(length1 + 1, vector<int>(length2 + 1));
        for (int i = 1; i <= length1; i++) {
            char c1 = text1.at(i - 1);
            for (int j = 1; j <= length2; j++) {
                char c2 = text2.at(j - 1);
                if (c1 == c2) {
                    dp[i][j] = dp[i - 1][j - 1] + 1; // 状态转移方程
                }
                else {
                    dp[i][j] = max(dp[i - 1][j], dp[i][j - 1]); // 状态转移方程
                }
            }
        }
        return dp[length1][length2];
    }

 

 

参考：

动态规划通用解法总结 - tianyaDream - 博客园

如何学好动态规划 - 知乎

代码随想录